抓取Facebook广告库并用AI归类说服角度

原文要点

作者Apify的n8n模板为手动触发：先在数据集输入节点设定Facebook广告库搜索URL与maxAds上限，调用Apify的curious_coder/facebook-ads-library-scraper actor抓取广告文案、素材、触达与日期；随后规范化每条广告、还原Facebook跳转链接得到真实落地域名并构造Shopify探测URL；再把广告文本交OpenAI打主要说服角度标签（如紧迫感、社会认同、问题解决）；富化后的记录写入Supabase的ads表，成功插入的行将文案经OpenAI嵌入写入启用pgvector的documents向量库以支持语义检索；对有效Shopify探测URL再请求/products.json，按商品ID去重后写入products表。可换搜索URL改关键词与国家，或改分类提示词换成行业标签。

这次做成什么

在本站重建一条手动运行的广告情报流水线：Apify抓广告库→规范化与解跳转→OpenAI打说服角度标签→Supabase落表→文案入向量库→Shopify商品去重建表。原文未公开具体提示词与建表语句，本站独立给出可直接用的分类提示词、建表SQL和合成广告样本。

准备什么

• Apify账号及API token，且能使用curious_coder/facebook-ads-library-scraper actor
• OpenAI API Key，同时用于角度分类与embeddings
• Supabase项目，已在SQL编辑器启用pgvector扩展
• 一个Facebook广告库搜索URL（先在浏览器按关键词和国家筛选后复制地址栏链接）

具体怎么做

1. 设定输入并运行抓取

   手动触发工作流。第一个配置节点写入两个值：adLibraryUrl（浏览器里搜关键词、选国家后的完整广告库URL）和maxAds（练习建议填10）。Apify节点选credential后，actor填curious_coder/facebook-ads-library-scraper，把URL与上限传入输入JSON，运行后得到广告数组。

2. 规范化与还原落地域名

   接Code节点遍历每条广告：取广告文案、广告主页名、开始日期、触达估计；对Facebook的跳转链接做还原（原文做法是unwrap重定向得到真实destination），再用URL解析取hostname作为destination_domain；若域名疑似Shopify站点，拼出探测URL，形如https://域名/products.json。统一输出材料三所示的行结构。

3. OpenAI打说服角度标签

   接OpenAI Chat节点，模型与具体版本号以你自己账号为准（原文未指定），系统消息用材料一的完整提示词，用户消息填广告文案。输出仅一个角度标签加一句理由，用JSON返回，Code节点解析后并入广告行的persuasion_angle与angle_reason字段。

4. 写Supabase并嵌入向量库

   Supabase节点向ads表插入富化后的行；成功分支后接Embeddings与Vector Store节点（选Supabase Vector Store，对应documents表），把广告文案生成向量并附带ad_id、domain、angle等metadata。需先在Supabase执行材料二的建表SQL。

5. Shopify商品探测与去重

   IF节点判断shopify_probe_url非空，HTTP Request节点GET该URL；再一个Code节点按product.id去重（同一站点多条广告会命中相同商品），最后Supabase节点把去重后的title、handle、vendor、product_type等写入products表。非Shopify或请求失败的行直接跳过。

可直接复制的材料

你是广告文案分析员。给定一条广告文案，判断它的主要说服角度，只能从这个标签集中选一个：urgency（限时限量制造紧迫）、social_proof（评价、销量、名人背书）、problem_solution（指出痛点再给方案）、price_incentive（折扣、包邮、优惠码）、brand_story（品牌理念与情感叙事）、feature_highlight（强调功能参数与差异化）。
只输出JSON，不要其他文字：
{"angle":"六个标签之一","reason":"不超过40字的中文理由"}
若文案信息不足，angle填feature_highlight并在reason说明依据薄弱。

create extension if not exists vector;

create table if not exists ads (
  id bigint generated always as identity primary key,
  ad_archive_id text unique,
  page_name text,
  ad_copy text,
  start_date date,
  reach_estimate bigint,
  destination_url text,
  destination_domain text,
  persuasion_angle text,
  angle_reason text,
  created_at timestamptz default now()
);

create table if not exists products (
  id bigint generated always as identity primary key,
  shopify_product_id bigint,
  domain text,
  title text,
  handle text,
  vendor text,
  product_type text,
  unique (shopify_product_id, domain)
);

create table if not exists documents (
  id bigint generated always as identity primary key,
  content text,
  metadata jsonb,
  embedding vector(1536)
);

{
  "ad_archive_id": "1234567890",
  "page_name": "示例厨具旗舰店",
  "ad_copy": "最后48小时！不粘锅三件套直降40%，已售出12000套，好评率98%。",
  "start_date": "2026-08-20",
  "reach_estimate": 85000,
  "destination_url": "https://demo-kitchen.example.com/products/pan-set",
  "destination_domain": "demo-kitchen.example.com",
  "shopify_probe_url": "https://demo-kitchen.example.com/products.json",
  "persuasion_angle": "urgency",
  "angle_reason": "最后48小时与限量降价制造紧迫感"
}

输入与输出示例

本站虚构演示，未真实调用OpenAI；同一文案不同模型可能在urgency与social_proof间摇摆，属正常边界。

输入

对材料三的广告文案“最后48小时！不粘锅三件套直降40%，已售出12000套，好评率98%。”运行分类提示词。

对应输出

示意模型输出：{"angle":"urgency","reason":"最后48小时限时降价，紧迫感最强"}；该行随后写入ads表，persuasion_angle列为urgency；文案向量入documents表，metadata含{"ad_archive_id":"1234567890","destination_domain":"demo-kitchen.example.com","angle":"urgency"}。

做完检查这些

• Apify运行后广告条数不超过maxAds设定值，且每行都解析出destination_domain而非facebook跳转域名
• 分类步骤对每条广告都产出六个标签之一的合法JSON，解析失败行有兜底处理
• documents表中向量的metadata带ad_archive_id，能按角度标签过滤检索
• 同一Shopify站点多条广告抓取后，products表按(shopify_product_id, domain)无重复行

容易卡住的地方

• Facebook广告库URL必须先在浏览器完成关键词与国家筛选再复制，直接拼参数常抓错范围
• 嵌入维度必须与documents表定义一致，换嵌入模型时忘记改维度会写入失败
• products.json对非Shopify站点会404或返回HTML，需按状态码与内容类型判断后再解析
• 原文未指定OpenAI具体模型版本，材料中的模型与维度为本站示例，需在凭据可用范围内自选
• 抓取的跳转还原依赖Apify返回字段，字段名以actor实际输出为准，勿照抄猜测